Torch를 이용하여 딥러닝(deep learning)을 처음 시작하려는 엔지니어 분들을 위해 이 책을 썼습니다.

개인적인 딥러닝 학습 경험을 바탕으로 수학적인 부분은 최대한 배제하고 개념적으로 딥러닝을 설명하고 있습니다. 또한 딥러닝 원리가 프로그램 코드로 어떻게 연결되는지 보여줍니다.

딥러닝을 처음 시작하려는 엔지니어들에게 최소한 딥러닝을 시작할 수 있는 계기가 되는 책이 되기를 바랍니다.

처음 딥러닝이라는 용어를 들었을 때 "깊이" 학습한다는 것이 무엇인지 감이 오지 않았습니다. 머신 러닝(machine learning)조차도 뜬 구름정도로 이해하는 수준으로는 너무 당연한 일이었습니다. 그러다 업무적 필요에 따라 여러가지 자료를 찾아보기 시작했습니다. 그러면서 테아노(Theano)나 Deeplearning4J와 같은 딥러닝 프레임워크도 접하게 되었고, 제프리 힌튼(Geoffrey Hinton) 교수, 요슈아 벤지오(Yoshua Bengio) 교수가 쓴 논문들도 찾을 수 있었습니다.

하지만 논문은 너무 어려웠고, 당시의 딥러닝 프레임워크 제공했던 예제들은 다소 복잡했고 딥러닝 이론과의 관계를 쉽게 파악할 수 없었습니다. 그러다 보니 예제 코드를 실행하는 것도 쉽지 않았습니다. 무엇보다 어려웠던 점은 대학을 졸업한 후 현장에 있으면서 수학을 손 높은지 10년이 넘게 지나 삼각함수나 미분도 기억나지 않았다는 점입니다.

그렇게 시간이 흘러 Torch라는 프레임워크를 알게 되었습니다. 다른 딥러닝 도구들과 달리 예제가 단순했고, 설명 자료들이 풍부했습니다. 무엇보다 딥러닝 이론과 프레임워크 API 사이의 관계가 상당히 뚜렷하여 코드를 쉽게 이해할 수 있었습니다.

반면 수식으로 가득 찬 딥러닝 자료들은 여전히 어려움의 대상이었습니다. 여러 책과 자료들을 보면서 이해하고 Torch를 이용하여 개발해 보면서 조금이나마 딥러닝에 대해 한발짝 이해할 수 있었습니다.

딥러닝의 이론들을 수학적으로 접근하지 않습니다. 최소한 딥러닝을 시작할 수 있을 정도의 지식을 공유합니다.

딥러닝 프레임워크 중 구문이 간단한 Torch를 사용합니다. 이를 통해 딥러닝의 이론들을 실제 프로그램 코드로 작성하는 방법을 소개합니다.

책소개
저자소개
도입 예제
Torch 기본
딥 뉴럴 네트워크(DNN)
컨볼루션 뉴럴 네트워크(CNN)
참고자료